【G検定対策】AIは「何の問題を解決して進化した」のか？流れでわかるAI技術の進化

AIの用語を学んでいると、CNN・RNN・Transformer・GPT・RAGなど、次々に新しい言葉が出てきて「結局何が違うの？」と混乱しやすくなります。

ですが、AI技術は バラバラに生まれたわけではありません。

実際は、前の技術で起きた問題を解決するために、次の技術が生まれるという流れを繰り返して進化してきました。

この流れがわかると、AIの学習は一気に整理しやすくなります。

単なる用語暗記ではなく「何に困って、どう改善したのか？」で理解できるからです。

これはG検定では非常に重要で、単語だけを覚えるよりも、技術同士のつながりや進化の理由を理解している方が、問い方が変わっても対応しやすくなります。

この記事では、AIの進化を「問題 → 解決」の流れで整理しながら、AI技術がどう発展してきたのかをわかりやすく解説します。

AI技術は「問題 → 解決」の連続で進化してきた

AI技術は、いきなり今の形になったわけではありません。

基本的には、次の流れを何度も繰り返しています。

つまり

　AIの進化 = 問題解決の歴史

とも言えます。

これを知ると、AI用語が「単なる暗記対象」ではなく、前後関係のある流れとして理解できるようになります。

単語をどう数値にする？｜one-hotの問題

AIは文字をそのまま理解できません。

まずは「単語を数値化する」必要がありました。

one-hot表現

例えば「猫」という単語を

　0, 0, 1, 0, 0 …

のような数字に変換します。

これはシンプルですが、大きな問題がありました。

• 単語同士の意味の近さが分からない
• データ量が大きくなる
• 「猫」と「犬」が全く無関係に見える

解決：word2vec・単語埋め込み（Embedding）

ここで生まれたのが

• word2vec
• Embedding

です。

これにより

• 意味が近い単語は近い位置
• 意味が遠い単語は遠い位置

として表現できるようになりました。

つまり

　「単語を数値にする」から「意味を持った数値にする」へ進化した

のです。

> 単語埋め込み（Embedding）とは？（サイト内リンク）

順番をどう覚える？｜RNNの登場

単語を数値にできても、次の問題がありました。

　「順番」が重要な文章をどう扱うのか？

例えば

• 私は犬が好き
• 犬は私が好き

同じ単語でも意味が変わります。

解決：RNN

RNNは 前の情報を次に引き継ぐ 仕組みを持っていました。

これにより、文章の順番を考慮できるようになりました。

しかし、問題もありました。

> CNN・RNN・Transformerとは？（サイト内リンク）

RNNの問題

文章が長くなると…

• 最初の情報を忘れる
• 勾配消失が起きる
• 学習が不安定

という問題が出ました。

長い文章を忘れる問題｜LSTM

RNNの弱点を改善するために生まれたのが LSTM です。

LSTMは

• 忘れる
• 残す
• 出力する

を制御する仕組みを持ちました。

これにより、長い文章でも以前より情報を保持しやすくなりました。

でも、まだ問題がありました。

LSTMの問題

LSTMは順番に処理するため

• 遅い
• 並列処理しにくい
• 長文ではまだ限界がある

という問題がありました。

重要な場所だけ見たい｜Attention

ここで生まれたのが Attention です。

Attentionは 全部を均等に見るのではなく、重要な場所に注目する という考え方です。

例えば「私は昨日買った本を読んだ」なら「読んだ」が何に関係するかを重点的に見ます。

これにより、長い文章の理解がかなり改善しました。

> Attentionとは？（サイト内リンク）

順番処理が遅い問題｜Transformer

Attentionは優秀でしたが、さらに進化したのが Transformer です。

Transformerは

• Attentionを中心に使う
• 並列処理できる
• 長文に強い
• 学習速度が速い

という特徴を持ちました。ここでAIは大きく進化します。

この技術が後の生成AIの土台になります。

> Transformerとは？（サイト内リンク）

文章を生成したい｜GPT

Transformerの次に登場したのが GPT です。

GPTは

• 大量文章を学習
• 次の単語を予測
• 自然な文章を生成

できるようになりました。

ここでAIは「分類するAI」から「生成するAI」へ大きく進化しました。

> GPTとは？（サイト内リンク）


しかし、問題もあります。

GPTの問題

GPTは

• 古い情報を使う
• 専門知識が弱い
• 自信満々に間違える（ハルシネーション）

という問題があります。

最新情報や専門知識が欲しい｜RAG・ファインチューニング

GPTの弱点を改善するために次の技術が生まれました。

RAG

外部情報を検索して使う → 最新情報に強い

> RGAとは？（サイト内リンク）

ファインチューニング

特定分野で再学習する → 専門化できる

> ファインチューニングとは？（サイト内リンク）


つまり、GPT単体の弱点を補う技術 として使われています。

AIはどう修正する？｜学習アルゴリズムの進化

AIは予測するだけでは終わりません。

問題は どう修正するか です。

ここで必要になったのが

• 損失関数（間違いを測る）
• 誤差逆伝播法（原因を後ろから調べる）
• 勾配降下法（修正する）

です。

でもこれも課題がありました。

勾配降下法の問題

普通の勾配降下法は

• 遅い
• 不安定
• データ量が多いと大変

という問題がありました。

> 勾配降下法とは？（サイト内リンク）

解決：SGD → ミニバッチ → Adam

SGD

少しずつ更新する

> SGD（確率的勾配降下法）とは？（サイト内リンク）

ミニバッチ

一部データごとに学習する

> ミニバッチとは？（サイト内リンク）

Adam

学習をより安定化・効率化する

> Adamとは？（サイト内リンク）



つまり、AIの「修正方法」も進化してきた のです。

覚えすぎ問題｜過学習

AIは学習すればするほど良い… とは限りません。

問題は 覚えすぎる ことです。これを 過学習 と言います。

過学習すると

• 訓練では高性能
• 本番で弱い

という問題が起きます。

> 過学習とは？（サイト内リンク）

解決：正則化・ドロップアウト

これを防ぐために

• 正則化
• ドロップアウト

が使われます。

つまり、覚えすぎないようにする技術 が必要になったのです。

> 正則化とは？（サイト内リンク）
> ドロップアウトとは？（サイト内リンク）

何をもって「良いAI」なのか？｜評価指標の進化

最後の問題は 評価 です。

「正解率が高い = 良いAI」とは 限りません。

例えば医療AIなら 病気を見逃す方が危険です。

そこで

• 精度
• 適合率
• 再現率
• F1値

が使い分けられます。

つまり、目的に応じて評価方法も進化した のです。

> 精度・適合率・再現率とは？（サイト内リンク）
> 評価指標の使い分け方は？（サイト内リンク）

G検定ではどう問われる？

G検定では、この流れをそのまま問うというより「前の技術の弱点を次の技術がどう改善したか？」という形で出題されることがあります。

例えば

• RNNの問題点として適切なものはどれか
• Transformerが注目された理由はどれか
• RAGの役割として適切なものはどれか
• 過学習を防ぐ方法として適切なものはどれか
• 適合率と再現率の違いとして適切なものはどれか

このため、単語単体ではなく「何の問題を解決した技術なのか」で覚えることが重要です。

なぜこの理解が重要なのか？

AIの学習をはじめたばかりの人は、用語を1つずつ暗記しようとして混乱しやすいです。

でも本当は、AIは

の流れで進化しています。

この流れで理解すると

• 技術同士の関係が見える
• 覚えやすくなる
• 問い方変更に強くなる
• 混同しにくくなる

という大きなメリットがあります。

これはG検定でもかなり重要な考え方です。

まとめ

AI技術は、突然すごい技術が生まれて進化したわけではありません。

実際は、前の技術の問題を解決するために、次の技術が生まれる という流れの連続です。

• one-hot → word2vec
• RNN → LSTM
• LSTM → Attention
• Attention → Transformer
• Transformer → GPT
• GPT → RAG / Fine-tuning
• 勾配降下法 → SGD / Adam
• 過学習 → 正則化 / Dropout
• 精度だけ → 適合率 / 再現率 / F1値

この流れが見えると、AI用語はバラバラな暗記ではなく、「なぜ生まれたのか」で理解できるようになります。

AIを学ぶときは、単語を覚えるより「何の問題を解決したのか？」を見ることが、理解への近道です。

関連記事・おすすめ記事

AIの内部で何が起きているのかをまとめました。

関連記事

【G検定対策】AIを理解するためのロードマップ｜AI内部で何が起きているか

公式テキスト

Amazonで確認

Amazonで確認する

楽天市場で確認

楽天市場で確認する

合格時に使用した問題集

Amazonで確認

Amazonで確認する

楽天市場で確認

楽天市場で確認する

運営者

このブログの運営者（文系出身）です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。